本次演讲将分享快手分析应用平台在大模型时代的演进路线，重点介绍大模型在快手分析平台的落地挑战和解决方案，包括智能找数、智能取数、分析解读等关键技术，分享快手内部智能分析实践经验，并展望其未来发展方向。

演讲提纲

1. 快手分析平台建设现状

2. 分析平台在AI时代路线选型
    a. 在传统分析平台建设智能化能力
    b. 构建AI时代数据分析产品：分析Agent
    c. 快手路线选型 

3. BI + AI 探索与实践
    a. 智能找数能力
    b. 智能取数能力
    c. 智能解读能力
    d. Agentic 分析Agent

4. 总结和展望
    a. 快手内部落地情况
    b. 分析智能化未来规划

您认为，这样的技术在实践过程中有哪些痛点？

• 准确性要求高： 数据分析领域，正确性是生命线。无论是智能取数还是智能解读，数据准确、逻辑无误，是技术落地的前提
• 时效性要求高：模型选型面临两难，大模型更强，但响应慢；小模型更快，但精度差。如何平衡速度与效果，是核心挑战
• 洞察能力要求高： 用户期待模型具备业务理解力，能够多维下钻、深度归因，输出可落地的决策洞察

演讲亮点

• 复杂业务挑战下，快手分析平台智能化的演进路径与技术选型
• 快手智能化分析的落地实践成功经验
• 快手在智能化分析方向的趋势洞察与前瞻判断

听众收益

• 了解快手分析平台在 AI 时代的演进路线
• 了解快手在智能分析方向的实践经验和解决方案